AI AppSec: scanner concordano solo sul 5%, il triage costa…

Secondo il report AppSec Overflow 2026 di Contrast Security, tre scanner AI sullo stesso codebase concordano sul 5% dei risultati. Il triage costa 400 volte la

Il 31 agosto 2026 Contrast Security pubblica il report AppSec Overflow 2026, basato su telemetry da centinaia di migliaia di applicazioni e API in produzione. I dati mettono a nudo un'instabilità sistemica degli strumenti AI per la security assessment: tre scanner concordano solo sul 5% dei findings sullo stesso codebase, un singolo scanner ripetuto tre volte riproduce solo il 17% dei propri risultati. Il costo del triage supera di quattrocento volte quello della scansione.

Punti chiave

Tre scanner AI testati da Contrast Labs concordano solo sul 5% dei findings sullo stesso codebase [FONTE 1]
Un singolo scanner AI ripetuto tre volte sullo stesso codice riproduce solo il 17% dei propri risultati [FONTE 1]
La scansione di 2 milioni di linee costa circa $315 in API charges; il triage dei risultati costa circa $128.000 [FONTE 1]
Le applicazioni monitorate portano in media 106 vulnerability findings, 22 delle quali high/critical, con 92 giorni medi di remediation [FONTE 1]

I numeri del disaccordo: 5% di convergenza, 17% di riproducibilità

Contrast Labs ha sottoposto lo stesso codebase a tre scanner AI. Il risultato: un overlap del 5%. Il restante 95% dei findings è disgiunto: allarmi generati da uno strumento e ignorati dall'altro, senza criterio esterno per stabilire chi abbia ragione.

La variabilità non è solo inter-tool. Un singolo scanner eseguito tre volte sullo stesso codice riproduce solo il 17% dei propri risultati. I restanti 83% variano tra un'esecuzione e l'altra, rendendo il confronto temporale impossibile e la prioritizzazione arbitraria.

La fonte non specifica quali scanner siano stati testati né i parametri operativi (temperatura dei modelli, versioni, prompt engineering). Il dato rimane solido sul piano quantitativo, ma la metodologia non è riproducibile indipendentemente. Non è nemmeno chiaro se il 5% si riferisca a tutte le categorie di vulnerabilità o a subset specifici.

L'asimmetria economica: $315 di scansione, $128.000 di triage umano

Il report quantifica il costo di una scansione AI su 2 milioni di linee di codice: circa $315 in token API. Il triage dei findings generati — la verifica manuale di cosa sia reale, exploitabile, prioritario — costa circa $128.000. Il rapporto è di circa 1 a 400.

Questa asimmetria trasforma il triage nel collo di bottiglia economico dell'AppSec, non la scansione. Le squadre di sicurezza non spendono più per trovare vulnerabilità: spendono per decidere quali dei trovati siano reali. L'AI ha automatizzato la generazione di allarmi, non la loro validazione.

Secondo le fonti citate, le applicazioni monitorate portano in media 106 vulnerability findings nel codice proprietario, 22 delle quali classificate high o critical. La correzione di una vulnerabilità critical richiede in media 92 giorni.

La cronologia si restringe: da anni a settimane, da settimane a ore

Il report traccia l'accelerazione del tempo di weaponizzazione. Secondo i dati Contrast, il mean time to exploit è sceso da più di 2 anni nel 2018 a meno di 1 anno nel 2021, fino a una maggioranza entro 3 settimane nel 2025. Nel 2026, alcune vulnerabilità vengono weaponizzate in ore.

Parallelamente, il tempo di remediation non si è accorciato in modo comparabile. I 92 giorni medi per una vulnerabilità critical nel codice custom lasciano un gap di mesi tra l'esposizione e la correzione.

Contrast registra 42 tentativi di exploit confermati e viable per applicazione al mese, con una media di 11.382 contatti attaccante-applicazione — circa uno ogni 4 minuti. Più del 60% delle applicazioni subisce meno di 3.000 attacchi mensili; più di un quarto assorbe oltre 30.000.

CVE-2022-22965 (Spring4Shell, CVSS 9.8 CRITICAL) e CVE-2021-44228 (Log4Shell, CVSS 10.0 CRITICAL) restano ampiamente presenti in produzione anni dopo la disclosure, a testimonianza che il problema non è solo la velocità di scoperta ma quella di rimozione.

"These tools disagree with each other; they disagree with themselves from one run to the next, and none of them can tell me how my application behaves when someone is actually attacking it. That is fine when AI is one input among several. It is a problem when it becomes the system of record, because that is what decides what my team works on Monday morning." — David Lindner, CISO Contrast Security

L'instabilità epistemica: quando l'AI diventa "system of record"

David Lindner, CISO di Contrast, formula il problema in termini di governance del lavoro: quando gli strumenti AI diventano il "system of record" per la prioritizzazione, decidono cosa il team di sicurezza affronta il lunedì mattina. Se i risultati cambiano ad ogni esecuzione, la prioritizzazione diventa un gioco d'azzardo istituzionalizzato.

Jeff Williams, CTO di Contrast, sposta l'accento sulla dimensione temporale: "For twenty years the discipline of AppSec has been organized around a race: find the vulnerability, decide if it matters, and fix it before somebody with bad intent finds it first. AI ended that race, and defenders lost it. We are now seeing vulnerabilities weaponized in hours while the average critical fix takes weeks or months."

Lindner aggiunge: "AI is not going to triage its way out of this problem, and we have the data to prove it." La frase chiude la porta su una soluzione puramente algoritmica: se l'instabilità è strutturale, più AI nel triage non risolve l'instabilità, la amplifica.

Il contesto di mercato: programmi bounty in sofferenza, AI anche in attacco

Il report non è un isolato. Secondo le fonti citate, HackerOne ha sospeso nuove submission al Internet Bug Bounty program nel marzo 2026; Node.js ha fatto lo stesso. La pressione asimmetrica tra generazione e gestione delle vulnerabilità sta deformando gli incentivi dei programmi di disclosure coordinata.

Dall'altra parte del campo, l'offensiva si affida sempre più all'AI. Le fonti citate menzionano strumenti come Google Mandiant AVDH per la scoperta automatica di vulnerabilità, accelerando il ciclo di weaponizzazione che il report Contrast documenta. La difesa corre dietro, ma con strumenti di rilevamento che non concordano neanche tra loro.

Perché è importante

Il dossier non specifica mitigazioni operative testate indipendentemente né verifica se l'instabilità del 5% e del 17% si estenda a tutti i vendor del mercato o resti circoscritta ai tre scanner analizzati. Non è chiaro se parametri di configurazione diversi (temperatura zero, prompt engineering strutturato, retrieval-augmented generation) possano stabilizzare i risultati.

La fonte non documenta misure correttive specifiche che le organizzazioni possano adottare al di là dello spostamento verso visibility runtime proposto commercialmente da Contrast. Il report è prodotto da un vendor che vende proprio quella soluzione: il bias di selezione va tenuto presente nella lettura.

Non emergono nel dossier sovrapposizioni infrastrutturali tra gli strumenti testati e specifici ecosistemi di sviluppo (cloud-native, embedded, legacy monolith) che potrebbero spiegare parte della variabilità.

Il dato fondamentale resta: quando l'affidabilità sistemica di uno strumento scende sotto la soglia di utilizzo operativo, il problema non è tecnico ma decisionale. Il 5% di accordo non è una metrica di precisione: è una metrica di affidabilità, e dice che lo strumento non è affidabile come unico input.

Per i CISO, la domanda non è se usare l'AI nella security assessment, ma se usarla come uno dei diversi input o come "system of record". Il report di Contrast sostiene che la seconda opzione sia rischiosa. I numeri del disaccordo e dell'instabilità intratool offrono un fondamento quantitativo a quella cautela.

Per il settore, il report solleva una questione di ROI: se gli investimenti in AI per la sicurezza producono findings non riproducibili e un triage che costa 400 volte la scansione, il ritorno si misura sul throughput di allarmi generati o su quello di vulnerabilità effettivamente chiuse. La risposta del report è implicita: il runtime protection è l'unico ambito dove la misura è comportamentale, non interpretativa.

Le informazioni sono state verificate sulle fonti citate e aggiornate al momento della pubblicazione.

Fonti

Fonti e riferimenti

Ricevi DeafLetter